導(dǎo)讀

人工智能發(fā)展迅猛，而時間和能量的大量損耗仍然是制約其性能的一個瓶頸。最近，法國科學(xué)家利用憶阻器開發(fā)出一種神經(jīng)網(wǎng)絡(luò)芯片，對于人工智能來說，不僅降低它的能耗，而且還提升了速度。

（圖片來源于: S?ren Boyn/法國國家科學(xué)研究院）

圖解：

這是一幅藝術(shù)家對于電子神經(jīng)突觸的印象圖，其中的粒子代表流過氧化物的電子，類似生物神經(jīng)突觸中的神經(jīng)傳導(dǎo)物質(zhì)。電子的流動取決于氧化物的鐵電疇結(jié)構(gòu)，受到電壓脈沖控制。

關(guān)鍵技術(shù)提示：

人工智能、神經(jīng)網(wǎng)絡(luò)、憶阻器。

背景分析

谷歌開發(fā)出TPU、AlphaGo戰(zhàn)勝李世石、無人駕駛汽車上路，一些列的事件讓人工智能再次成為萬眾矚目的焦點。無論是國外的谷歌、微軟、英特爾，還是國內(nèi)的百度、騰訊、阿里，科技巨頭們都紛紛在人工智能領(lǐng)域，采取了一些列的動作。

過去幾年時間，人工智能之所以取得很大發(fā)展，神經(jīng)網(wǎng)絡(luò)的作用不可忽視，它具有學(xué)習(xí)能力，可以處理機器系統(tǒng)之前無法勝任的任務(wù)。

例如，人工智能神經(jīng)網(wǎng)絡(luò)可在芯片上運行，用于手機或者無人駕駛系統(tǒng)的圖像分析；另外，將人工智能神經(jīng)網(wǎng)絡(luò)用于眼球追蹤系統(tǒng)，用于心理學(xué)和市場調(diào)查；還有，用人工智能進(jìn)行精神和心理疾病的治療；甚至，人工智能還可以和可穿戴技術(shù)結(jié)合，實時檢測人類情緒變化。

然而，目前人工智能技術(shù)的發(fā)展，大部分都還是在模仿人腦的工作的方式。當(dāng)今信息世界中，這樣的一種方式稱為「神經(jīng)網(wǎng)絡(luò)」。

它是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式信息處理的算法數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)中的算法可以進(jìn)行訓(xùn)練，模仿人腦識別語音和圖片的方式。

但是，運行這樣的人工智能系統(tǒng)，往往會耗費很多的時間和能量，這也成為了這一技術(shù)的主要瓶頸。

創(chuàng)新探索

最近，來自法國國家科學(xué)研究院、波爾多大學(xué)和埃夫里大學(xué)的研究人員聯(lián)合開發(fā)了一種「直接位于芯片上的人工神經(jīng)突觸」，也稱為“憶阻器”。這一研究成果讓智能系統(tǒng)的學(xué)習(xí)需要的時間和能量更少，并且是全自動化的。

人類大腦中，神經(jīng)突觸可以作為神經(jīng)元之間的連接，進(jìn)行信息傳遞。這種連接是牢固的，當(dāng)更多的神經(jīng)突觸受到刺激時，學(xué)習(xí)能力會提高。

（圖片來源于: 維基百科）

憶阻器的工作方式也有點類似。它由一層薄的鐵電層組成（它可以自然地極化），封閉于兩個電極之間。在施加電壓脈沖之后，其電阻會發(fā)生變化，就像生物神經(jīng)元一樣。當(dāng)電阻值低的時候，這種突觸連接會加強，當(dāng)電阻值高的時候，這種突觸連接會減弱。而憶阻器的學(xué)習(xí)能力，正是基于這種可調(diào)整的電阻。

（圖片來源于: 法國國家科學(xué)研究院）

關(guān)于憶阻器的原理、作用和價值，John之前多篇文章中都有過介紹，它作為存儲器，在集成度，功耗，讀寫速度方面都優(yōu)于傳統(tǒng)存儲器。另外，它也是實現(xiàn)人工神經(jīng)網(wǎng)絡(luò)突觸的最好方式，在憶阻器的幫助下，人工智能的學(xué)習(xí)能力將會得到很大的提高。

未來展望

憶阻器的研究工作還在繼續(xù)，特別是優(yōu)化它的功能。作為起步級的研究，科研人員已成功構(gòu)建了一種模型，以預(yù)測其工作方式，研究發(fā)表于最近的《自然通信》雜志上。

這并不是科學(xué)界第一次利用憶阻器進(jìn)行神經(jīng)網(wǎng)絡(luò)方面的研究，之前美國加州大學(xué)和紐約州立大學(xué)石溪分校的一個聯(lián)合研究小組，就利用過憶阻器就創(chuàng)建出一個神經(jīng)網(wǎng)絡(luò)芯片。另外，英國南安普敦大學(xué)的研究人員也利用憶阻器，監(jiān)測神經(jīng)細(xì)胞活動，可使人類更好地了解神經(jīng)科學(xué)和治療神經(jīng)系統(tǒng)疾病。

不久的未來，或許我們將擁有像我們的大腦一樣、甚至更好的人工智能系統(tǒng)，也將看到憶阻器在這方面產(chǎn)生更多的價值。

參考資料

【1】http://www2./en/2903.htm

【2】S?ren Boyn, Julie Grollier, Gwendal Lecerf, Bin Xu, Nicolas Locatelli, Stéphane Fusil, Stéphanie Girod, Cécile Carrétéro, Karin Garcia, Stéphane Xavier, Jean Tomas, Laurent Bellaiche, Manuel Bibes, Agnès Barthélémy, Sylvain Sa?ghi, Vincent Garcia. Nature communications, 3 April 2017. DOI : 10.1038/NCOMMS14736.